AgentOps
AI Agent Sprawl: miles de agentes de IA en poco tiempo
Durante algún tiempo, la discusión sobre los agentes de inteligencia artificial estuvo concentrada en descubrir dónde podían utilizarse. Las empresas experimentaron casos de uso, crearon pilotos y empezaron a incorporar agentes a las plataformas que ya utilizaban. Ahora, a medida que esas experiencias avanzan hacia producción, surge un problema de naturaleza diferente: la cantidad de agentes puede crecer mucho más rápido que la capacidad de administrarlos.
Gartner proyecta un cambio difícil de ignorar. En una empresa global Fortune 500 promedio, el número de agentes en uso puede pasar de menos de 15 en 2025 a más de 150 mil en 2028 [1]. No significa que todas las empresas tendrán 150 mil agentes dentro de dos años, pero indica la escala que esa población puede alcanzar en las organizaciones más grandes.
Una empresa global Fortune 500 promedio puede pasar de menos de 15 agentes de IA en 2025 a más de 150 mil en 2028. Sin embargo, solo el 13% de las organizaciones considera tener hoy la gobernanza adecuada para agentes [1].
Este crecimiento no ocurrirá solo porque las áreas de tecnología decidirán desarrollar miles de agentes. También llegarán incorporados a aplicaciones de negocio, plataformas de software como servicio, herramientas de desarrollo y soluciones adquiridas a diferentes proveedores. Al mismo tiempo, áreas de la propia empresa podrán construir agentes para resolver necesidades específicas, muchas veces sin saber que otro equipo ya creó algo similar.
En este contexto aparece el término AI Agent Sprawl, que podemos traducir como proliferación descontrolada de agentes de IA. El problema comienza cuando la expansión deja de ir acompañada de una visión común sobre qué agentes existen, por qué se crearon, quién responde por ellos, a qué recursos tienen acceso, cuánto cuestan y si todavía deberían seguir activos.
Crear agentes se está volviendo fácil. Gobernar una población de ellos, no.
La proliferación de tecnología dentro de las empresas no es un fenómeno nuevo. Aplicaciones, servicios en la nube, automatizaciones y herramientas ya pasaron por ciclos similares. Lo que hace diferentes a los agentes es la combinación entre velocidad de creación, autonomía y capacidad de actuar directamente sobre sistemas y datos corporativos.
Un agente puede desarrollarse internamente por un equipo, configurarse en una plataforma low-code, habilitarse dentro de una aplicación ya contratada o ser ofrecido por un proveedor. En poco tiempo, diferentes áreas pueden empezar a operar poblaciones propias de agentes, cada una respondiendo a sus prioridades.
Amazon Web Services (AWS) describe un escenario que ya empieza a aparecer en organizaciones con múltiples unidades de negocio: equipos diferentes construyen agentes similares para compras, programación, reportes o procesamiento de datos sin saber que otra área ya resolvió el mismo problema. Paralelamente, las plataformas de relación con clientes, service desk y contact center pasan a incorporar sus propios agentes [2].
El resultado no es solo duplicación. Agentes diferentes pueden actuar sobre los mismos sistemas, utilizar credenciales distintas, generar costos distribuidos entre varios centros presupuestarios o incluso ejecutar acciones conflictivas sin que un área tenga visibilidad sobre la otra [2].
Cuando cada área puede crear sus propios agentes, el problema deja de ser solo tecnológico. La empresa necesita descubrir si está construyendo una capacidad corporativa o solo multiplicando soluciones aisladas.
Deloitte observa que la proliferación tiende a aumentar entre diferentes lenguajes de programación, frameworks, infraestructuras y protocolos de comunicación. Al mismo tiempo, los agentes construidos internamente tendrán que convivir con los adquiridos mediante aplicaciones y proveedores externos [3]. Esto significa que el entorno difícilmente será homogéneo.
La respuesta tampoco puede ser simplemente centralizar toda la creación de agentes en un único equipo. En organizaciones grandes, ese modelo puede convertir la gobernanza en un cuello de botella e incentivar justamente lo que se pretende evitar: áreas buscando caminos alternativos para seguir innovando.
El desafío está en permitir la creación distribuida sin perder visibilidad corporativa. Para ello, Gartner incluye entre sus primeras recomendaciones la creación de un inventario centralizado de los agentes, acompañado de reglas claras sobre quién puede crearlos, compartirlos y conectarlos a los recursos de la empresa [1].
El inventario, sin embargo, no debería significar solo una lista de nombres. Para ser operativamente útil, necesita ayudar a responder cuál es la finalidad de cada agente, quién es su propietario, qué sistemas utiliza, qué permisos tiene, qué dependencias mantiene y en qué etapa de su ciclo de vida se encuentra.
El problema comienza cuando nadie sabe qué agentes todavía tienen sentido
La facilidad para crear un agente produce otro efecto previsible: es mucho más simple poner en funcionamiento una nueva solución que revisar periódicamente si todavía debería existir.
Un agente puede nacer para atender una necesidad temporal, seguir activo después de terminado un proyecto o perder relevancia cuando otra solución pasa a ejecutar la misma función. También puede conservar permisos concedidos meses antes, aunque su finalidad haya cambiado.
Este problema tiende a acumularse silenciosamente. A diferencia de un gran sistema corporativo, cuya implantación normalmente involucra presupuesto, proyecto, responsables y procesos formales, algunos agentes pueden surgir como pequeñas automatizaciones dentro de las propias herramientas utilizadas por los equipos.
AWS llama la atención justamente sobre el costo de la duplicación entre unidades de negocio y recomienda un principio simple: antes de construir, buscar si esa capacidad ya existe. La propuesta incluye registro corporativo, identificación de responsables y revisiones periódicas del ciclo de vida para retirar agentes con bajo uso, lógica desactualizada o capacidades redundantes [2].
Esta preocupación se vuelve aún más relevante cuando consideramos que la adopción ya no está restringida a experimentos. KPMG informa, con base en su encuesta AI Pulse del primer trimestre de 2026, que más de la mitad de las organizaciones ya tiene agentes de IA en producción [4].
Más de la mitad de las organizaciones ya opera agentes de IA en producción, según KPMG. El desafío comienza a migrar de la capacidad de crear agentes a la capacidad de operarlos como un sistema corporativo [4].
Deloitte encontró otra señal de esta transición. En una encuesta publicada en agosto de 2026, solo el 15% de las organizaciones afirmó haber escalado la adopción orquestada y multifuncional de múltiples agentes, mientras que apenas el 5% consideraba sus procesos de negocio altamente preparados para agentes de IA [5].
Estos números ayudan a explicar por qué multiplicar pilotos exitosos no produce automáticamente una arquitectura corporativa de agentes. El salto entre decenas de iniciativas locales y una población gobernada exige capacidades diferentes: inventario, identidad, políticas, observabilidad, atribución de costos, gestión del ciclo de vida y mecanismos para identificar redundancias y dependencias.
También en este punto se conectan los artículos anteriores de esta serie. En Shadow AI: ¿sabe qué IA y agentes se están utilizando dentro de su empresa?, el problema estaba en el uso que ocurre fuera de la visibilidad de la organización. En el Agent Sprawl, muchos agentes pueden ser legítimos y conocidos por las áreas que los crearon, pero la empresa pierde la visión del conjunto.
De la misma forma, identificar a cada agente, como discutimos en Identidad para agentes de IA: por qué es fundamental saber quién es el agente y a qué sistemas accede, se vuelve aún más importante cuando la población crece. No es posible gobernar miles de agentes de forma consistente si permanecen indistinguibles o si nadie logra asociarlos a propietarios, finalidades y permisos.
Agent Sprawl no significa solo tener demasiados agentes. Significa perder la capacidad de comprender, como organización, qué agentes existen, por qué existen y si todavía deberían existir.
Escalar la IA no puede significar simplemente multiplicar agentes
Hay una tentación natural de utilizar la cantidad de agentes como señal de madurez. Una empresa con cientos de agentes en producción puede parecer más avanzada que otra con algunas decenas. Pero esa métrica dice poco sobre el valor efectivamente producido.
Gartner ofrece un ejemplo interesante en el área comercial. La consultora proyecta que, en 2028, los agentes de IA podrán superar a los vendedores en una proporción de diez a uno, mientras que menos del 40% de los vendedores deberían afirmar que esos agentes mejoraron su productividad [6].
En ventas, Gartner prevé diez agentes de IA por cada vendedor en 2028, pero menos del 40% de los vendedores deberían percibir una mejora de productividad [6]. Más agentes, por lo tanto, no significan automáticamente más resultado.
Esta distinción es fundamental. Si diferentes áreas crean agentes para actividades similares, si capacidades que podrían reutilizarse se reconstruyen repetidamente o si agentes permanecen activos sin producir valor medible, la expansión aumenta la complejidad sin necesariamente aumentar la productividad.
KPMG describe este problema como un cambio del desafío de capacidad a un desafío de arquitectura y control. En lugar de considerar a cada agente como un caso de uso independiente, la organización necesita empezar a tratarlos como componentes de un sistema empresarial, con visibilidad, identidad, permisos, trazabilidad y responsabilidades comunes [4].
Esto también cambia la pregunta que deberían hacerse los gestores. En lugar de preguntar solo cuántos agentes hay en producción o cuántos nuevos casos de uso se lanzaron, se vuelve necesario comprender qué resultados produce cada agente, qué capacidades podrían compartirse, dónde existen redundancias y qué agentes deberían consolidarse o retirarse.
El ciclo de vida pasa a tener tanta importancia como la creación. Todo agente debería nacer con una finalidad identificable y, idealmente, con criterios que permitan evaluar posteriormente si sigue siendo necesario. Sin ese proceso, la población crece por acumulación: entran nuevos agentes y pocos salen.
Gobernar esta expansión no significa impedir que las áreas experimenten. Por el contrario, un modelo bien diseñado necesita hacer que el camino gobernado sea más simple que la alternativa informal. AWS propone exactamente esa lógica al defender modelos federados en los que los estándares corporativos conviven con la autonomía de las unidades de negocio dentro de límites definidos [2].
A medida que la adopción madure, quizá una de las métricas más importantes deje de ser cuántos agentes logró crear la empresa. Será más relevante saber cuántos realmente generan valor, cuántos reutilizan capacidades existentes, cuáles pueden operarse de forma confiable y cuáles ya deberían haberse apagado.
El AI Agent Sprawl es, por lo tanto, menos un problema de cantidad que de capacidad operativa. Miles de agentes pueden ser administrables si la organización logra identificarlos, gobernarlos, observarlos y medir sus resultados. Algunas decenas ya pueden representar un problema si cada una opera como un silo independiente.
De la visión a la práctica: ARGUS
La proliferación de agentes refuerza la necesidad de una capa operativa capaz de ofrecer una visión común sobre cómo está actuando esta nueva población. En este contexto se posiciona ARGUS, nuestra plataforma de Inteligencia Operacional y Agéntica.
Con capacidades de AgentOps (Agent Operations) y AI Gateway, ARGUS busca apoyar la gobernanza y la observabilidad de la actuación de los agentes, relacionando elementos como identidad, políticas, permisos, llamadas a herramientas, decisiones, costos, latencia y resultados.
Esta visión se vuelve especialmente relevante en entornos heterogéneos. La población de agentes de una empresa probablemente no se construirá en una única plataforma ni utilizará solo un modelo o framework. Parte podrá venir de aplicaciones contratadas, parte de desarrollo interno y parte de diferentes proveedores de IA.
El papel de ARGUS no es impedir esa diversidad, sino contribuir a que no se transforme en nuevos silos operativos. Al correlacionar información de múltiples fuentes, la plataforma busca construir contexto operacional compartido, relacionando la actuación de los agentes con lo que ocurre en aplicaciones, infraestructura, servicios, automatizaciones y acciones humanas.
Esta perspectiva también permite acercar la gobernanza al valor. A medida que los agentes se multiplican, acompañar solo si funcionan técnicamente será insuficiente. Será necesario comprender cómo se están utilizando, qué recursos consumen y qué resultados producen, creando condiciones para decisiones sobre expansión, revisión o retiro.
En una empresa con cientos o miles de agentes, la capacidad de ver el conjunto deja de ser una conveniencia. Pasa a formar parte de la infraestructura necesaria para que la IA agéntica pueda crecer sin que la complejidad crezca aún más rápido.
Conozca ARGUS y vea cómo funciona en la práctica.
Sobre el autor
Paulo Florêncio de Menezes es emprendedor, socio y cofundador de empresas como Target Solutions, BiPTT y ARGUS.
Es graduado en Procesamiento de Datos por la Universidad Federal de Amazonas (UFAM), tiene un MBA en Gestión Empresarial por la Fundação Dom Cabral (FDC) y una Maestría Profesional en Economía por la Fundação Getulio Vargas (FGV).
En su investigación de Maestría, desarrolló el IBEOP-IA (Índice Brasileño de Exposición Ocupacional Potencial a la Inteligencia Artificial), investigando la exposición potencial de las ocupaciones brasileñas a las capacidades de la IA mediante la combinación de datos ocupacionales, patentes de inteligencia artificial y técnicas de procesamiento de lenguaje natural.
Referencias
[1] Gartner. Gartner Identifies Six Steps to Manage AI Agent Sprawl. 28 abr. 2026.
[2] Amazon Web Services. Managing AI agent sprawl across business units. 17 jul. 2026.
[3] Deloitte. Unlocking exponential value with AI agent orchestration. 2026.
[4] KPMG. From Agent Sprawl to Enterprise Outcomes. 2026.
[5] Deloitte. AI Agents are Only the Beginning: Deloitte Survey Examines the AI Readiness Gap and Reveals How Enterprises Can Prepare for Agentic Success. 12 ago. 2026.
[6] Gartner. Gartner Predicts AI Agents Will Outnumber Sellers 10 to 1 by 2028, Yet Fewer Than 40% of Sellers Will Say Agents Improved Productivity. 28 jul. 2026.